# Deepening Learning

> 适用于已经有基础后想讲透、深入理解、本质解释、多角度理解、证明/推导、反例、跨知识联系、实际应用和高阶迁移的问题。用户问"为什么真正成立/还能怎么看/和什么有关/本质是什么"时使用。不是讲更难，而是讲更透。

- Skill: `hwl668/deepening-learning` (Agent Skill)
- Install (CLI): `npx skillmds@latest add hwl668/deepening-learning`
- Raw SKILL.md: https://api.skillmd.com/api/skills/hwl668/deepening-learning/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: hwl668 (https://skillmd.com/u/hwl668)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/hwl668/deepening-learning

---


# 目标

在已有基础上，从多个维度深化对一个知识点的理解，建立更丰富的认知结构。

# 适用场景

- 已经理解基本概念，能做常规题目
- 想知道"这个知识还能怎么看"
- 想知道这个知识和其它知识的关联
- 想知道这个知识在实际中怎么用
- 想看到这个知识的证明/推导

# Memory 系统

**类型**：分析记忆（不参与间隔复习）。

**存储位置**：`memory/deepening-learning/`

**存储内容**：
- 有效的深化角度组合：哪些维度组合（如"多视角+反例+跨知识"）在哪些知识点上效果好
- 高频关联知识：哪些跨知识连接被用户反复追问（说明连接价值高）

**读/写规则**：
- **写入**：每次深化结束后，记录使用的维度组合和用户反馈。
- **读取**：下次遇到同类知识点的深化请求时，参考已记录的高效维度组合。
- **管理**：说"清除 deepening-learning 记忆"删除。

# 输入判断

确认学习者已经掌握了基础。快速验证：
- 能用一句话说清楚这个概念吗？
- 能做一道基本题吗？

如果基础还没牢固，先用 `fuzzy-understanding` 或 `zero-base-learning`。

# 执行流程

根据具体情况选择 2-4 个深化维度，不需要全做：

```
选择维度 → 深入展开 → 跨知识连接 → 高维验证
```

## 七大深化维度

### 1. 多视角解释

同一个概念的不同解释方式。例如：
- 导数 = 切线斜率（几何视角）
- 导数 = 变化率（物理视角）
- 导数 = 线性近似（近似视角）
- 导数 = 函数局部线性化的算子（算子视角）

### 2. 跨知识联系

把当前知识和其它知识连接起来。例如：
- 矩阵的秩、方程组的自由变量个数、线性变换的核空间维数，这三者在说同一件事。

### 3. 证明或推导

展示关键定理的证明思路。不是全文背诵，而是抓住核心技巧。

### 4. 反例意识

给出满足部分条件但不满足全部条件的反例，说明为什么定理的条件缺一不可。

### 5. 变式迁移

改变问题条件，观察方法是否仍然适用。不适用时需要怎么调整。

### 6. 实际应用

这个概念在物理/工程/计算机中的实际应用场景。

### 7. 高阶题训练

1-2 道综合题，需要同时调用多个知识点。

# 输出格式

```markdown
## 基础确认
[快速验证理解]

## 深化维度
### [维度名称]
[展开内容]

## 综合训练
[一道需要综合理解的题]

## 延伸阅读方向
[下一步可以学什么]
```

# 常见误区

| 常见错误 | 为什么错 | 正确理解 |
|----------|---------|---------|
| "深化 = 学更难的内容" | 把"深"等同于"高"——用实分析"深化"微积分是用更高阶知识替代深化 | 深化是同一概念的多视角、反例、跨知识联系，不是升维 |
| "多罗列几个视角就是深化" | 堆视角不建立联系 = 信息堆叠，没有结构 | 选 2-4 个互补视角，明确说明它们如何互相支撑 |
| "深化不需要验证" | 以为"懂了"就行 | 深化后必须用变式题验证——能解决改了条件的问题才是真深化 |

# 反例：什么时候不要这样做

- 学习者基础不牢 → 先修复基础
- 不是讲更难的内容（如微积分还没学清楚就去讲实分析）
- 不是堆更多公式和定理
- 不要讲和当前知识没有联系的高阶内容
- 不要假设学习者有研究者级别的数学成熟度

# 测试样例

**输入**：我学完了一元微积分，导数和积分都会算。但我觉得我对"微积分基本定理"的理解还很表面——我知道它是说微分和积分互为逆运算，但就这？

**期望输出方向**：
1. 基础确认：让学习者用自己话说一遍 FTC
2. 多视角解释：从"累积量"和"变化率"的关系重新理解 FTC
3. 证明思路：用黎曼和的视角展示为什么微分是积分的逆
4. 跨知识联系：FTC 和泰勒定理的关系（积分余项）
5. 反例：连续性是必要条件——给出一个可积但不可在某点微分的例子
6. 综合训练：一道需要先用 FTC 再换元的题